人工蜂群算法(ABC)算法课件.pptVIP

人工蜂群算法（ABC算法）PPT下载：

目录算法简介算法原理算法流程与其他群智能优化算法的比较未来的研究方向

算法简介?人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用。?主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各个人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。?在2005年由Karaboga小组为解决多变量函数优化问题提出的人工蜂群算法（artificialbeecolonyalgorithm）。

算法原理——蜜蜂采蜜机理蜂群的智能模型中有三个基本的组成要素：蜜源、被雇佣的蜜蜂和未被雇佣的蜜蜂。蜜源：相当于优化问题的可行解。被雇佣的蜜蜂：引领蜂，模型中引领蜂的数量通常是与蜜源对应的。引领蜂具有记忆功能，将自己借搜索到的蜜源相关信息(距离蜂巢的远近、方向、花蜜的丰富程度等)存储起来，并以一定的概率分享给其他的蜜蜂。非雇佣蜂：有两种非雇佣蜂。侦察蜂：在蜂巢周围搜索附近的蜜源；根据观察，蜂群中的侦察蜂数量大约占整个蜂群数量的5％一20％。跟随蜂：蜂巢附近等待引领蜂共享蜜源信息的蜜蜂，他们观察引领蜂的舞蹈，选择自己认为满意的蜜蜂进行跟随。蜂群中的跟随蜂和引领蜂的数量相等。两种最为基本的行为模型：为蜜源招募蜜蜂和放弃某个蜜源。

蜜蜂采蜜的过程

同遗传算法以及其他的群智能算法不同，角色转换是ABC算法特有的机制。三种蜜蜂间的转换

算法原理在基本ABC算法中?蜜源的位置被抽象成解空间中的点，代表问题的潜在解。?每个引领蜂对应一个确定的蜜源（解向量）并在迭代中对蜜源的邻域进行搜索。?根据蜜源丰富程度（适应值的大小）采用轮盘赌的方式雇佣跟随峰采蜜（搜索新蜜源）。?如果蜜源多次更新没有改进，则放弃该蜜源，雇佣蜂转为侦察蜂随机搜索新蜜源。?引领蜂用于维持优良解;跟随蜂用于提高收敛速度;侦察蜂用于增强摆脱局部最优的能力。

1.蜜源初始化蜜源i（i=1,2,…,NP）的质量对应于解的适应度值NP为蜜源的数量。设求解问题的维数为D，在t次迭代时蜜源i的位置表示，为，其中t表示当前的迭代次数;分别表示搜索空间的下限和上限，d=1,2,…,D。蜜源i的初始位置按照（1）式在搜索空间随机产生。（1）

2.新蜜源的更新搜索公式在搜索开始阶段，引领蜂在蜜源i的周围根据（2）式搜索一个新的蜜源。（2）式中：j≠i，表示在NP个蜜源中随机选取一个不等于i的蜜源；是[-1,1]均匀分布的随机数，决定扰动程度。当新蜜源的适应度优于蜜源代替原来的蜜源，否则保留时，采用贪婪选择方法用新。所有的引领蜂完成式（2）的运算后，飞回信息交流区共享蜜源

3.跟随蜂选择引领蜂的概率跟随蜂根据引领蜂分享的蜜源信息，按式（3）计算概率并进行跟随。（3）在ABC算法中，解的适应度评价依据式（4）来计算。（4）式中：表示解的函数值。

4、产生侦察蜂在搜索过程中，如果蜜源Xi经过trial次迭代搜索到达阈值limit而没有找到更好的蜜源，该蜜源Xi就会被放弃，与之对应的采蜜蜂的角色变为侦察蜂。侦察蜂将在搜索空间随机产生一个新的蜜源代替Xi。上述过程如式（5）（5）

算法流程1.初始化设置。产生初始种群；2.引领蜂根据公式（1）搜索食物源Xi，并计算其适应值；3.用贪婪法选择较好食物源；4.根据公式（3）计算食物源Xi被跟随蜂选择的概率；5.跟随蜂采用轮盘赌的方法选择引领蜂，跟随蜂根据公式（2）在蜜源i周围产生一个新的蜜源；6.用贪婪法选择较好蜜源；7.判断是否有被抛弃的蜜源，如果有，引领蜂转化为侦察蜂，侦察蜂根据公式（1）随机搜索新的食物源；8.记录迄今为止最好的蜜源；9.判断是否满足终止条件，如果是，输出最优解，否则转步骤（2）。

ABC算法流程图

与其他群智能优化算法的比较算法优点缺点适用范围遗传算法（GA）（1975年）收敛速度较快，通用性较实现较复杂，易陷入强适用于函数优化和组合优化问题早熟收敛，依赖于初始种群蚁群算法（ACO）（1992年）思想简单，易于实现，具计算量大，初始信息有较强的鲁棒性和搜索较素匮乏，易陷入局部主要用于求解组合优化问题好解的能力最优解粒子群算法（PSO）（1995年）收练速度快，效率高，算只有正反馈机制，容法简单，适用于实值型处易陷入局部最优解，主要适用于求解一些连续函数优化问题理对离散优化问题处理不佳人工蜂群算法全局寻优能力强，收敛速在接近全局最优解时，适用于求解多变量函度较快数优化问题问题（ABC）（2005年）易陷入局部最优，后期搜索速度减慢

未来研究方向1.对ABC算法的理论研究2.ABC算法参数的自适应策略研究3.多目标的ABC算法研究4.设计更加符合真实